Krankheiten behandeln, bevor sie entstehen. So lautet die Idee einer möglichst präzisen, also individualisierten Präventionsmedizin. Im Fall des Typ-2-Diabetes könnte die Wissenschaft der Systembiologie diesem Ideal nun ein gutes Stück näher gekommen sein.
Ein Team von Forschenden aus mehreren deutschen Arbeitsgruppen analysierte die Epigenetik in Blutzellen von Menschen, die eine noch recht ungefährliche Vorstufe von Diabetes hatten, den sogenannten Prädiabetes. Dort fanden sie mit Hilfe des Deep Learning genannten KI-Verfahrens, das zum Beispiel auch Chat-GPT nutzt, verborgene Muster, die Vorhersagen über den zukünftigen Krankheitsverlauf erlauben.
Die KI wurde zunächst mit Daten von 187 Personen trainiert, wobei der Grad der epigenetisch aktiven Methylierung der DNA an 1557 Stellen in die Berechnung einfloss. Anschließend konnten die Forschenden bei 146 unabhängigen Testpersonen zeigen, dass ihr Algorithmus mit einer Genauigkeit von 92 Prozent berechnete, ob die Personen in Zukunft einen schweren Diabetes und andere Folgeerkrankungen entwickelten oder nicht.
Bislang war diese Einschätzung nur mit Hilfe aufwändiger klinischer Messungen möglich. Die Arbeit könnte nun mit wenig Aufwand ein sehr viel günstigerer kleiner Analyse-Chip übernehmen, der die DNA-Methylierung in Blutproben erfasst. Zeigt sich dabei ein hohes Risiko, sollten gezielte Präventionsmaßnahmen starten: „Früh einsetzende Lebensstil-Interventionen können das Fortschreiten der Stoffwechselstörung bremsen oder sogar eine Remission ermöglichen“, schreibt das an der Studie beteiligte Deutsche Zentrum für Diabetesforschung in einer Pressemitteilung.
Der nächste Schritt sei es, die „Erkenntnisse in einen praxistauglichen Test zu überführen“, erklärt Meriem Ouni vom Deutschen Institut für Ernährungsforschung Potsdam-Rehbrücke und eine der Hauptautorïnnen der Studie. Dazu müsse man zunächst die Zahl der auszuwertenden DNA-Stellen reduzieren, um maßgeschneiderte Analyse-Chips zu entwickeln. Ist das geschafft, steht der Routinediagnostik kaum noch etwas im Weg.